代码复现►机器学习

CiNC2021比赛代码复现

本文用来记录PhysioNet/CinC Challenge 2021比赛中的参赛队伍代码复现过程。首先选择了排名第三位的NIMA队伍代码，对其进行复现。

目录

环境配置

首先使用anaconda创建虚拟环境，之后conda activate激活创建的环境。

1
2
conda create -n NIMA python=3.9
conda activate NIMA

定位到项目目录，安装依赖

1
pip install -r requirements.txt

运行

模型训练

运行以下代码

1
python train_model.py training_data model

首次运行发现accuracy始终为1.0，检查代码发现预处理部分有问题，在helper_code.py文件202行的get_lables()函数中，l.startswith(“#Dx”)应为l.startswith(“# Dx”)。原代码如下：

1
2
3
4
5
6
7
8
9
10
11
def get_labels(header):
    labels = list()
    for l in header.split('\n'):
        if l.startswith('#Dx'): # 此处'#Dx'缺少空格，在数据文件中为'# Dx'
            try:
                entries = l.split(': ')[1].split(',')
                for entry in entries:
                    labels.append(entry.strip())
            except:
                pass
    return labels

修正后：

1
2
3
4
5
6
7
8
9
10
11
def get_labels(header):
    labels = list()
    for l in header.split('\n'):
        if l.startswith("# Dx"):
            try:
                entries = l.split(': ')[1].split(',')
                for entry in entries:
                    labels.append(entry.strip())
            except:
                pass
    return labels

再次运行，发现accuracy固定在0.2111，检查代码发现在helper_code.py文件164行的get_adc_gains()函数中，分隔符出错。原代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
def get_adc_gains(header, leads):
    adc_gains = np.zeros(len(leads))
    for i, l in enumerate(header.split('\n')):
        entries = l.split(' ')
        if i==0:
            num_leads = int(entries[1])
        elif i<=num_leads:
            current_lead = entries[-1]
            if current_lead in leads:
                j = leads.index(current_lead)
                try:
                    adc_gains[j] = float(entries[2].split('/')[0]) # 在数据文件中此处数据格式为'1000.0(0)/mV',需要取'/'前的float数据，但(0)导致读取出错，故将分隔符改为'('
                except:
                    pass
        else:
            break
    return adc_gains

修改后：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
def get_adc_gains(header, leads):
    adc_gains = np.zeros(len(leads))
    for i, l in enumerate(header.split('\n')):
        entries = l.split(' ')
        if i==0:
            num_leads = int(entries[1])
        elif i<=num_leads:
            current_lead = entries[-1]
            if current_lead in leads:
                j = leads.index(current_lead)
                try:
                    adc_gains[j] = float(entries[2].split('(')[0])
                except:
                    pass
        else:
            break
    return adc_gains

修改以后运行正常，部分输出结果如下：

1
2
3
4
Epoch 2/17
77/77 [==============================] - 263s 3s/step - loss: 0.1003 - accuracy: 0.7224 - AUROC: 0.5515 - AUPRC: 0.1923
Epoch 3/17
77/77 [==============================] - 265s 3s/step - loss: 0.0879 - accuracy: 0.7509 - AUROC: 0.5756 - AUPRC: 0.2163

感觉跑的太慢了，查看用的是gpu还是cpu

1
2
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

原来是用cpu在跑，一顿折腾换成gpu，参考GPU 支持 | TensorFlow (google.cn)

注意

helper_code.py文件由比赛主办方提供，且禁止修改，然而其中的函数确实和提供的数据文件不匹配，所以为了跑通还是把它改了。